检索结果-内蒙古大学图书馆

作者：陈丁号云南农业大学

学位级别：硕士

本论文针对农产品广告文案生成在自然语言生成领域的重要性和困难性,在构建了一个包含100多万条农产品文案的专业领域纯文本数据集的基础上,基于BERT和GPT-2预训练语言模型开发了一种新的可控文本生成算法,结合改进的Top-k采样技术和马... 详细信息

本论文针对农产品广告文案生成在自然语言生成领域的重要性和困难性,在构建了一个包含100多万条农产品文案的专业领域纯文本数据集的基础上,基于BERT和GPT-2预训练语言模型开发了一种新的可控文本生成算法,结合改进的Top-k采样技术和马尔可夫链蒙特卡洛(mcmc)采样算法,实现了无监督生成符合用户意图的农产品文案。本论文通过爬虫技术和OCR技术构建的农产品文案专业领域文本数据集,为农业领域和自然语言处理领域的研究提供了有价值的数据支持。所提出的一种创新的无监督可控文本生成算法,可以实现无监督生成符合用户意图的文本,并保证生成结果的多样性和流畅性,具有较好的可解释性和调试性,实验结果表明,本研究的文本生成算法在生成高质量、满足特定需求的农产品文案方面取得了明显的优势,具有一定的实际应用价值,为农产品文案生成和其他相关研究提供了有益的参考和借鉴。

关键词：自然语言生成可控文本生成农产品广告文案预训练模型 mcmc采样算法

来源：评论

学校读者我要写书评

暂无评论

多因素复杂任务批量仿真方案自动生成算法设计与实现

多因素复杂任务批量仿真方案自动生成算法设计与实现

引用

作者：卢积致北京交通大学

学位级别：硕士

在工业生产的各个领域中,大规模的复杂作业流程普遍存在。随着工业4.0和数字孪生系统的快速发展,对复杂作业流程的大规模仿真成为新的发展热点。尤其是在进行多因素大规模仿真时,因可变因素的参数组合随着因素数量的增加会呈指数级增长... 详细信息

在工业生产的各个领域中,大规模的复杂作业流程普遍存在。随着工业4.0和数字孪生系统的快速发展,对复杂作业流程的大规模仿真成为新的发展热点。尤其是在进行多因素大规模仿真时,因可变因素的参数组合随着因素数量的增加会呈指数级增长,对仿真开销带来巨大挑战。因此,从参数组合方案集中选择具有典型意义的参数组合方案进行仿真,就成为应对多因素批量仿真方案缩减的主要手段。本文聚焦于优化仿真方案选择过程,通过筛选大量方案集合来识别具有正交性和典型性的批量仿真方案。本文借助DOE与蒙特卡罗马尔可夫链(Markov Chain Monte Carlo,mcmc)采样算法,并融合实际场景中的权重信息,提出了一种创新的批量仿真方案自动生成算法。该算法能够依据作业因子的概率分布自主生成仿真方案,并综合专家评估、验证数据、和实际场景数据来精确定义作业因子的水平数量、概率与取值。为更精准反映实际权重信息,该算法通过引入了超参数以形成概率-系数函数。利用DOE的正交设计原理,该算法根据正交表选择合适的试验设计,并从多因素复杂任务形成的仿真方案总体集合中筛选出最具代表性的子集,并结合作业因子的权重信息来构建批量仿真方案。多组实验验证了本算法在筛选和构建具有优良正交性与代表性的批量仿真方案中的有效性。进一步地,本文还实现了一套仿真试验流程筛选与构建系统,此系统集成了算法的各个模块和功能,以验证算法的适用性。系统核心部分包括采样、超参数调整、方案构建和结果展示四个模块,采用模块化解耦设计,不仅提高了系统的可维护性和可扩展性,也确保了与现实场景及其他系统的有效对接。采样模块任务是定量分析作业因子的水平取值、数量和概率;超参数模块则允许用户自定义参数,从而计算不同水平的权重;构建模块负责筛选适宜的试验方案来构建批量仿真方案;展示模块则负责可视化地展现试验结果和数据分析。

关键词： mcmc采样算法 DOE试验设计法方案筛选模拟仿真

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯网络的交通事故原因分析

引用

现代计算机 2018年第16期24卷 7-10页

作者：金宇王晓峰上海海事大学信息工程学院上海201306

交通事故在发生前都会受到多种因素的影响,合理地分析这些因素可以有效地减少人员伤亡以及交通拥堵,利用相关性分析以及mcmc采样算法对贝叶斯网络进行结构学习,再应用贝叶斯估计的方法对贝叶斯网络的参数进行估计,得到各个变量之间的条... 详细信息

交通事故在发生前都会受到多种因素的影响,合理地分析这些因素可以有效地减少人员伤亡以及交通拥堵,利用相关性分析以及mcmc采样算法对贝叶斯网络进行结构学习,再应用贝叶斯估计的方法对贝叶斯网络的参数进行估计,得到各个变量之间的条件概率,分析出各个因素对交通事故严重程度的影响,基于贝叶斯网络以及历史交通事故数据建立评估模型,对模型结果进行分析,并在此基础上提出方法去改善现有的交通安全状况。

关键词：交通事故贝叶斯网络 mcmc采样算法参数估计

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：